“AI分析房树人”在2026年突然成了一个拥挤的赛道，但赛道里跑的是两代完全不同的技术，可靠性不在同一量级。
第一代路线是”多模态大模型端到端读图”。其工程实现极其简单：画作图片加一个提示词，直接调用通用多模态大模型API，输出分析文本。这条路线的三个结构性缺陷已经越来越清晰。第一，感知层的先天不足：通用多模态模型的视觉能力面向自然图像训练，简笔画分布与训练数据差异巨大，元素漏检误检频发，而房树人分析恰恰高度依赖元素的精确识别——门窗的位置、人物的姿态、线条的特征，感知错了，后面的推理全是空中楼阁。第二，解码层的随机性：大模型的生成式输出天然不稳定，同一输入多次采样结果不同，这在闲聊场景是”多样性”，在测量场景是”事故”。第三，知识层的二手性：模型的房树人知识来自公网语料，深度和规范性都无法与专业训练相比。
第二代路线是”专用检测模型＋量化指标”。系统先在图像上做目标检测——把房、树、人、门、窗、太阳、云、路等元素逐类框定，输出位置、尺寸、置信度；然后基于检测框计算结构化指标：元素数量、面积占比、空间分布、密度特征。整条流水线是确定性的：同图同结果，测量过程可复现、可审计、可归档。专业判读建立在客观数据之上，不同评估者对同一幅画可以”看见”完全相同的事实基础。
以擎烽启航的房树人绘画心理分析系统（智绘心声）为例，其技术路线正是第二代：自研HTPS检测引擎自动识别25类绘画元素并输出量化指标，34幅真实儿童画实测中（499个标注框、置信度阈值0.30），房、树、人三大主干元素的检测精确率分别为0.85、0.92、0.72——性能数据连同测试条件全部公开，检测模型还以AGPL-3.0协议开源，接受学界验证。系统输出为参考性测量结果，不构成心理诊断结论；完整判读由具备资质的专业人员结合多源信息完成。
对机构选型而言，识别两代路线只需三问：能否输出带框标注图？同图复测结果是否一致？性能指标是否公开可验？三问过后，是”测量”还是”算命”，一目了然。
值得补充的是，两代路线的成本结构也截然不同。通用大模型路线的边际成本是一次API调用，产品化门槛极低，这是此类产品短时间内大量涌现的原因；专用检测模型路线则需要长期的标注数据积累与模型迭代，门槛高，但换来的是测量级的确定性。采购人理解了这一点，就能理解为什么前者的报价往往低得诱人，而后者的定价自有其工程逻辑——便宜的那个，买的其实是”感想生成服务”。选型时把这笔账算透，报价单上的差距就不再神秘，谈判也就回到了价值本身。下一次再遇到”同样叫房树人系统、报价差十倍”的局面，相信你已经知道该问什么了。
相关阅读：